基于各向异性高斯核方向导数滤波器的图像轮廓检测

针对图像轮廓检测中存在大量毛刺和虚假轮廓的问题,提出一种基于各向异性高斯核方向导数滤波器和图论方法的图像轮廓检测算法。利用各向异性高斯核方向导数滤波器提取图像中各个方向的变化信息,使用阈值化方法实现图像中轮廓的初始检测。将初始检测的轮廓转换成加权无向图表示,利用图论中提取最短路径的方法递归地将轮廓的无向图转换成最短路径的集合。最后,使用阈值化方法消除初始轮廓检测结果中的毛刺和虚假轮廓。将检测结果与现在广泛使用的Canny检测结果相比,该方法基本消除了真实轮廓附近的毛刺,大大减少了虚假轮廓,获得了更好的检测性能。

二阶各向异性高斯导数滤波器的斑点检测算法

针对目前斑点检测算法对斑点进行定位和描述斑点形状的能力不足等问题,提出了一种基于多尺度二阶各向异性高斯方向导数滤波器的斑点检测算法。二阶各向异性高斯方向导数(SOAGDD)可以很好的提取不同方向的图像信息,并且可以很好的应对噪声干扰,采用多尺度二阶各向异性高斯方向导数滤波器对输入图像进行平滑处理,对处理后图像进行区域极值计算。实验证明提出的方法在兴趣点检测的定位、检测到的兴趣点的形状描述和图像匹配方面具有优越性。

基于各向异性高斯方向导数滤波器的角点检测

为了改进噪声鲁棒性和定位准确性,利用各向异性高斯方向导数滤波器,提出多方向角点检测算法.该算法利用一组各向异性高斯方向导数滤波器对输入图像进行卷积处理得到各个方向的滤波器响应.对于每个像素点,利用它与周围邻近像素点的滤波器响应的相关信息构造局部自相关矩阵,然后根据自相关矩阵归一化特征值及像素点处各方向滤波器响应,作阈值处理和非极大值抑制处理判定像素点是否为角点.实验结果表明,在无噪声和噪声的条件下,提出的检测方法与各向同性高斯核函数的Harris算法相比,配准角点数均提高6.0%左右,具有更好的检测性能.

利用各向异性高斯方向导数相关矩阵的角点检测方法

为了抑制图像边缘上的局部变化和噪声对角点检测的影响,提出了利用各向异性高斯方向导数自相关矩阵的角点检测算法.该算法首先利用Canny边缘检测器提取图像的边缘映射;然后用各向异性高斯方向导数滤波器对输入图像进行平滑,对每个边缘像素,利用它与相邻像素之间方向导数的相关性构造自相关矩阵;若边缘像素点的自相关矩阵所对应的归一化特征值的和是局部极大值,则标记该点为角点.与传统的基于轮廓的角点检测方法不同,文中提出的方法利用的是邻近像素的方向导数的相关信息,而不是轮廓曲线的曲率,因而具有更好的稳健性.实验结果表明:在无噪声和含噪声的条件下,该检测方法与已有的3种算法相比,平均配准角点数分别提高了7.4%和9.3%左右,平均定位误差分别降低了10%和15.2%左右.

基于多尺度二阶广义高斯方向导数滤波器角点检测算法

检测性能良好的角点检测算法能够应对多幅图像中的不同特征及变化,且能够很好的检测图像中的不同或相似特征。二阶各向异性高斯方向导数(SOGGDD)可以很好的提取不同方向的图像信息,并且可以很好的应对噪声干扰,研究了,将不同尺度的图像信息和二阶各向异性高斯方向导数结合提出了一种基于多尺度二阶广义高斯方向导数滤波器的角点检测算法,该算法可以有效提高检测的平均重复性,有效应对不同条件的变化。实验采用了标准数据库和角点检测文献中的28张场景图进行比较。通过对该算法和多尺度Gabor角点检测算法进行平均重复性的对比,实验表明提出的算法具有更好的角点检测性能。

边缘线上各向异性高斯核信息熵的角点检测

为了提高角点检测的准确率,提出了一种基于图像边缘和各向异性高斯方向导数信息熵的角点检测方法.首先利用Canny边缘检测器提取图像的边缘映射;然后,填充轮廓曲线间的小缺口.对于每一个边缘像素,根据边缘像素及邻近像素最大方向导数所对应的主方向来计算主方向的分布概率和它的信息熵.不同于传统的基于轮廓的角点检测方法,该方法通过计算边缘像素及邻近像素的最大强度变化方向所对应的熵来检测角点.相比计算轮廓曲线上曲率的方法,具有更好的稳健性.实验结果表明,与现有的方法相比,该文提出的检测方法具有更好的角点检测性能.

基于各向异性高斯核的角点检测

提出一种基于各向异性高斯方向导数滤波器提取图像粗轮廓检测角点的方法。首先利用多方向的各向异性高斯方向导数滤波器提取图像多方向的灰度变化信息,然后利用像素间梯度相关性提取图像粗轮廓。最后在提取的图像粗轮廓的基础上构造自相关矩阵并求解其特征值,利用特征值归一化的乘积做为角点的测度。实验证明本算法具有噪声鲁棒性及角点定位准确性。

一种基于双尺度高斯核方向导数的图像轮廓检测算法

为了降低图像轮廓检测中纹理对检测结果的影响,提出一种基于双尺度高斯核方向导数滤波器的图像轮廓检测算法。结合大小两个尺度高斯核方向导数滤波器构造图像的边缘强度映射(ESM),小尺度高斯核方向导数滤波器增强了图像细节信息的检测能力,而大尺度高斯核方向导数滤波器起到抑制纹理的作用。利用ESM自身的全局和局部信息对ESM进行均衡化。通过阈值化和形态学处理,得到最终轮廓检测结果。实验表明,该方法有效可行。

一种各向异性双窗非线性滤波的边缘检测算法

针对传统边缘检测方法极易受高斯噪声和椒盐噪声影响导致的伪边缘问题,提出一种各向异性双窗非线性滤波的边缘检测算法。首先,构建各向异性高斯双窗滤波器,并结合灰度分层技术计算每个像素的非线性方向导数向量和边缘强度图(Edge Strength Map,ESM)。然后,根据导数向量最大值估计边缘方向图(Edge Direction Map,EDM)。最后,通过非极大值抑制和双阈值决策获得最终的边缘检测图。对比实验结果表明,所提算法在无噪声、高斯噪声、椒盐噪声和混合噪声干扰的环境下表现优异,尤其在混合噪声下的边缘检测结果明显优于其他算法,具有较强的混合噪声鲁棒性。

高斯核方向导数和RILPQ融合的人脸表情识别

针对人脸表情识别中特征提取出纹理信息粗糙、边缘轮廓不清的问题,论文提出了一种基于高斯核方向导数与RILPQ相结合图像特征提取方法。在RILPQ算法中引入高斯核多方向导数形成滤波器,在支持向量机中进行表情分类,将算法应用于JAFFE数据集表情数据集。实验结果为在滤波窗口半径为11像素,论文算法识别率最优,并高于LPQ算法、RLPQ算法识别率。同时也证明,高斯窗窗口半径和滤波方向对算法的表情识别率有影响。

基于自适应方向导数滤波器的彩色边缘检测

传统彩色边缘检测算法在提高边缘检测准确性时可能将噪声检测为边缘,而在提高噪声鲁棒性时会将部分边缘当作噪声进行抑制,导致部分边缘信息丢失。为解决传统彩色边缘检测算法在边缘检测准确性与噪声鲁棒性之间的矛盾问题,提出一种基于自适应各向异性高斯方向导数(ANDD)的彩色边缘检测算法。通过彩色图像的微分自相关矩阵构建反映边缘类型的度量准则,以自适应地确定每个像素处ANDD滤波器的形状,从而准确提取不同类型的边缘特征,采用ANDD滤波器组对图像进行平滑处理,提取在三个通道上的ANDD特征。在此基础上,利用奇异值分解得到最优融合权值,并融合三个通道的ANDD特征,以增强彩色边缘强度。实验结果表明,该算法在无噪声和含噪声环境下的Pratt品质因子分别为0.849 6和0.791 4,与彩色Canny、RCMG-MM和FRPOS算法相比,在保持较高边缘检测准确率的同时具有较优的噪声鲁棒性。

抑制SAR图像相干斑的迭代方向滤波算法

为保护SAR图像边缘特征并有效提高对乘性相干斑噪声的抑制性能,该文提出一种基于迭代方向滤波的抑制图像相干斑新算法。该算法先借助高斯-伽马平行窗估计出的比率边缘强度映射(ESM)与方向信息,自适应地控制各向异性高斯核(AGK),生成沿ESM方向分布的具有各向异性支撑区域的局域窗。然后将SAR图像多种局部统计参量联合作为衰减因子,形成与SAR图像区域分布特性相适应的负指数衰减型加权系数,进而将负指数衰减型加权系数与局域窗带方向的各向异性支撑区域结合形成局域加权的方向滤波。最后对SAR图像迭代地进行方向滤波即可实现带边缘保护的相干斑抑制。实验结果表明,与多种抑斑算法相比,该文算法在SAR图像抑斑与边缘保护方面均获得了更好的性能。

利用局部方向微分向量一致性的角点检测

在边缘轮廓提取的基础上,提出了一种利用局部方向微分向量一致性的角点检测算法以消除边缘噪声对角点检测产生的不利影响。该算法提取图像的边缘轮廓来降低算法计算量;利用各向异性高斯方向导数(ANDD)滤波器提取每个像素处的方向微分向量并进行幂次变换,以增强向量的各向异性;进而利用相邻像素的方向微分向量构建一致性测度。最后,对同一轮廓上的一致性测度进行均值归一化,得到最终角点测度。实验显示,提出算法的平均角点定位误差为1.52pixel,与对比算法接近;检测准确率分别比点到弦距离累积(CPDA)法、相对局部曲率(He&Yung)法提高了58%和5.5%,与归一化残余面积(RA)算法相等,同时角点错检率比He&Yung和RA少25.5%和21.6%。提出的算法能准确地检测出真实角点,并具有更小的错误检测率,更高的角点重复率,而且对边缘噪声十分鲁棒。

基于特征驱动的双向耦合扩散方程的图像去噪和边缘锐化

提出了一个新的能够同时去除图像噪声和锐化边缘的扩散方程模型。根据图像特征,例如边缘,纹理和局部细节,这个特征驱动的双向耦合扩散模型沿着等照度线(边缘)的梯度方向从前向扩散转变为后向(逆)扩散;而相反地沿切线方向实施前向扩散。为了消除前向力和后向力之间的冲突,将扩散方程分裂为一种耦合的形式;同时为了保持图像特征,利用图像的方向导数局部地调整非线性扩散系数。实验结果显示,本文算法能够在去除图像噪声的同时,有力地增强图像的特征。

一种基于视觉特性的遥感图像分割

SAR图像存在乘性相干斑的影响,传统的图像分割方法不能很好保持图像的结构信息.文章研究了基于视觉特性的组合分割方法,该方法通过塔型方向滤波器组进行去噪,发展了各向异性的核期望转移滤波器,核的形状、尺度和方向都能自适应图像的局部结构,最后结合边缘检测对图像分割进行修正.分析和实验表明该方法对SAR图像是有效的.

基于双向耦合扩散的自适应图像插值

提出了一种自适应的双向耦合扩散算法:沿着等照度线(边缘)的梯度方向实施反向扩散以增强边缘,而相反地沿切线方向实施正向扩散以去除人工锯齿。为了消除这2个相反的扩散力彼此之间的冲突,将此算法分裂为一种耦合的格式;同时,为了保持图像特征,利用图像的方向导数局部地调整非线性扩散系数。最后将上述算法应用于图像插值。实验结果显示,相比于传统的图像插值算法和一些相关的偏微分方程模型,此图像插值算法可以显著地提高被插值图像的视觉质量。

带有局部耦合项的双向扩散与图像增强

在过去的十几年中,偏微分方程在图像增强中得到了越来越多的研究和应用。论文提出了一个带有局部耦合项的双向扩散框架。这个框架沿着等照度线(边缘)的梯度方向实施反向扩散以锐化边缘;而相反地沿切线方向实施正向扩散以去除噪声和锯齿伪像。为了进一步控制扩散过程,使其逼近于一个稳定的过程,并消除数值“爆炸”和过冲,笔者在双向扩散方程中增加一个局部耦合项;而且为了保持图像特征,利用图像的方向导数局部地调整非线性扩散系数。实验结果显示,该文算法可以显著地提高被增强图像的视觉质量。

基于机器视觉的手机壳表面划痕缺陷检测

为解决手机壳表面缺陷检测采用人工目测法,检测效率低且漏检率高的问题,采用基于机器视觉的手机壳表面缺陷检测方法,实现产品缺陷的自动化检测。该检测算法采用八方向的各向异性高斯方向导数滤波器对图像进行卷积滤波,并做归一化处理;利用滤波结果图的直方图确定自适应阈值,并进行阈值分割;对图像进行细化后通过划痕缺陷长度特征进行缺陷的提取。实验结果表明,该划痕缺陷检测算法能够实现长度0.5 mm以上的划痕缺陷的准确检测,检测效率高,满足企业的实际需求。

基于多尺度手动和学习结合的角点检测

为了提取图像特征多方向的灰度强度变化,使检测结果更具鲁棒性,提出了一种基于各向异性高斯方向导数滤波器与学习结合的多尺度角点检测算法。该算法首先通过下采样构建3层图像金字塔,其中每层利用各向异性高斯方向导数滤波器获取每个像素点在8个方向的灰度强度变化;其次与图像进行卷积得到幅度响应;然后再输入卷积神经网络进一步学习;最后通过1×1的卷积输出角点响应。将实验结果与现有的基于深度学习的算法进行比较,提出的算法在重复性、平均精度、定位误差上都取得了较好的结果。

基于多方向结构张量积的快速角点检测算法

针对各向异性高斯方向导数滤波器运算量大、耗时长的问题,利用盒式滤波器拟合出各向异性高斯方向导数滤波模板,并结合积分图像,提出一种性能优良的快速角点检测算法。利用盒式滤波器设计了6个方向的导数滤波模板,并结合积分图像,快速计算输入图像在各个方向上的导数响应;基于角点的稀疏特性,提出一种候选点粗筛选机制,快速筛选出候选角点区域像素以减少后续运算所涉及的像素数量;针对每一个候选像素,利用各个方向的导数响应构建多方向结构张量积,生成角点测度。将提出的算法与9种经典的检测器在仿射变换、高斯噪声干扰等条件下进行性能评估,在尺寸不同的测试图集上进行耗时对比。实验结果表明,新提出的算法具有优良的检测性能,耗时少,满足实时处理的需求。